Softwarová podpora procesů zpracování a analýzy informací výroby skelných vláken

Abstract

Tato diplomová práce se zabývá návrhem digitálního systému pro automatizaci sběru, validace a analýzy výrobních dat v závodě na výrobu skelných vláken. Cílem je zvýšit efektivitu a spolehlivost procesu pomocí integrace technologií jako PLC, KEPServerEX, Microsoft Azure, Power BI a Azure Machine Learning. Teoretická část popisuje základy procesního modelování, metody ekonomického hodnocení a přehled relevantních softwarových nástrojů. Aplikační část se věnuje detailní analýze původního manuálního postupu, návrhu automatizovaného řešení a jeho implementaci formou BPMN modelu. Výsledkem je ucelený systém, který významně zkracuje dobu zpracování dat, eliminuje lidské chyby a umožňuje prediktivní řízení výroby v souladu s principy Průmyslu 4.0.

This thesis focuses on designing a digital system for automating the collection, validation, and analysis of production data in a glass fibre manufacturing facility. The goal is to improve efficiency and data reliability through the integration of technologies such as PLCs, KEPServerEX, Microsoft Azure, Power BI, and Azure Machine Learning. The theoretical section presents the fundamentals of process modeling, economic evaluation methods, and a review of relevant software tools. The applied part includes a detailed analysis of the original manual workflow, the design of an automated solution, and its implementation through BPMN modeling. The result is a comprehensive system that significantly reduces data processing time, eliminates human error, and enables predictive production control in line with Industry 4.0 principles.